پیش بینی موفقیت توسعه محصول جدید با استفاده از ترکیب تحلیل عاملی و شبکه عصبی مصنوعی
Authors
abstract
موفقیت محصولات جدید به عنوان برترین عامل برای موفقیت شرکتها و حتی بقای آنها محسوب میشود. با این حال بررسیهای متعدد نشان میدهد که نرخ شکست توسعه محصول جدید به عنوان یک معضل اساسی در بسیاری از شرکتها مطرح بوده است. شرکتهای بسیاری سعی دارند تا قبل از توسعه محصول جدید، اقدام به پیشبینی موفقیت توسعه محصول جدید نمایند. بر همین اساس نیز هدف این تحقیق پیشبینی موفقیت توسعه محصول جدید با استفاده از ترکیب روشهای تحلیل عاملی و شبکه عصبی مصنوعی در صنایع غذایی و آشامیدنی میباشد. این تحقیق براساس هدف کاربردی و براساس روش انجام کار توصیفی بوده است. جامعه آماری این تحقیق، شرکتهای تولید کننده مواد غذایی و آشامیدنی استان آذربایجانشرقی در سال 1394 بوده است. به منظور جمعآوری دادهها در این تحقیق از دو پرسشنامه استفاده شده است که بعد از اطمینان از روایی و پایایی آن در بین جامعه آماری توزیع گردیده است. به منظور تجزیه و تحلیل دادهها در این تحقیق از روشهای تحلیل عاملی و شبکه عصبی مصنوعی استفاده شده است. نتایج تجزیه و تحلیل دادهها نشان دهنده وجود شش سازه اصلی مفهومسازی محصول جدید، گرایش به بازار، گرایش به طراحی، گرایش به عوامل فنی و تکنولوژی، استفاده از منابع و مدیریت توسعه محصول جدید به عنوان عوامل موثر در موفقیت توسعه محصول جدید بوده است. همچنین پیشبینی موفقیت توسعه محصول جدید با استفاده از شبکه عصبی مصنوعی نشان میدهد که شبکه طراحی شده در 81 درصد موارد قادر به پیشبینی صحیح موفقیت توسعه محصول جدید بوده است.
similar resources
پیشبینی موفقیت توسعه محصول جدید با استفاده از ترکیب تحلیل عاملی و شبکه عصبی مصنوعی
موفقیت محصولات جدید به عنوان برترین عامل برای موفقیت شرکتها و حتی بقای آنها محسوب میشود. با این حال بررسیهای متعدد نشان میدهد که نرخ شکست توسعه محصول جدید به عنوان یک معضل اساسی در بسیاری از شرکتها مطرح بوده است. شرکتهای بسیاری سعی دارند تا قبل از توسعه محصول جدید، اقدام به پیشبینی موفقیت توسعه محصول جدید نمایند. بر همین اساس نیز هدف این تحقیق پیشبینی موفقیت توسعه محصول جدید با استفاده ...
full textپیش بینی بارش ماهانه در منطقه ایران با استفاده از ترکیب شبکه های عصبی مصنوعی و فیلتر کالمن توسعه یافته
بارش باران یکی از مهمترین پدیدههای جوّی است که بر زندگی بشر اثر میگذارد. پیشبینی بارش باران برای اهداف مختلفی مانند برنامهریزی فعالیتهای کشاورزی، پیش<st...
full textپیش بینی میزان موفقیت کارآفرینان روستایی شهرستان کرمانشاه با استفاده از تحلیل شبکه عصبی مصنوعی(ann)
افزایش نرخ بیکاری، سرمایهبر بودن طرحها و ... موجب افزایش شکاف میان طبقات درآمدی و اشتغال کاذب شده است. چنین پیامدهای مخربی که ریشه در فقدان فرصتهای شغلی مناطق داشته است، موجب گردیده تا کشورهای در حال توسعه استراتژیهای جدیدی را با هدف رشد فرصتهای شغلی به صورت غیرمتمرکز به کار گیرند. در این راستا، استراتژی کارآفرینی، در جهت دستیابی به اهداف فوق، در بسیاری از کشورها مورد استفاده قرار گرفته اس...
full textمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایهای شعاعی ((RBF، سری زمانی AR...
full textپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیمهای درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
full textMy Resources
Save resource for easier access later
Journal title:
مدیریت بهره وریجلد ۱۰، شماره ۳۷، صفحات ۱۵۶-۱۲۷
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023